Evaluation of infrared thermography as a non-invasive tool for detection of subclinical laminitis in dairy cattle
Notice bibliographique
Résumé
Lameness is the second most costly production disease in dairy cattle after mastitis, yet subclinical laminitis—defined as claw horn lesions detectable only at trimming—often goes unrecognised until it progresses to clinical lameness with visible gait abnormality. While locomotion scoring identifies overtly lame cows, it cannot detect the early inflammatory changes within the corium that precede visible sole haemorrhage or white line disease. Infrared thermography (IRT) offers a contactless, rapid means of measuring surface temperature differences that may reflect subclinical corium inflammation. This research evaluated the diagnostic performance of IRT for detecting subclinical laminitis in 155 Holstein dairy cows at a commercial free-stall facility near Saskatoon, Saskatchewan, Canada. Coronary band and dorsal sole surface temperatures were recorded using a handheld thermal camera (FLIR E60, resolution 320 × 240 pixels) immediately before routine hoof trimming. Temperature difference from ambient (?T) was calculated and compared against the trimming-based lesion score (0-4 scale) as the gold standard. A total of 126 of 155 cows (81.3%) had at least one claw lesion at trimming, with sole haemorrhage (28.4%) and white line disease (18.7%) the most prevalent. Coronary band ?T was positively correlated with lesion score (r = 0.71, P<0.001). Receiver operating characteristic analysis identified an optimal ?T threshold of 2.5°C for distinguishing cows with lesion score ?2 from those with score <2, yielding a sensitivity of 82.4% and specificity of 74.1% (AUC = 0.84). These findings suggest that IRT screening at a ?T threshold of 2.5°C can identify the majority of subclinically laminitic cows and may serve as a practical on-farm triage tool to prioritise animals for early therapeutic trimming.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».